今天学习了mongodb中比较好玩的知识，主要包括：聚合，游标。
聚合
常见的聚合操作跟sql server一样，有：count，distinct，group，mapReduce。
1，count是最简单，最容易，也是最常用的聚合工具，跟sql语句相差不大
> db.person.count()
4
> db.person.count({"age":"28"})
2
2，distinct查出不重复的值
> db.person.distinct({"age"})
2015-08-24T19:19:25.264+0800 E QUERY SyntaxError: Unexpected token }
> db.person.distinct("age")
[ "20", "23", "28" ]
3，在mongodb里面做group操作有点小复杂，不过大家对sql server里面的group比较熟悉的话还是一眼能看的明白的，其实group操作本质上形成了一种“k-v”模型。
下面举的例子就是按照age进行group操作，value为对应age的姓名。下面对这些参数介绍一下：
key： 这个就是分组的key，我们这里是对年龄分组。
initial: 每组都分享一个”初始化函数“，特别注意：是每一组，比如这个的age=20的value的list分享一个initial函数，age=22同样也分享一个initial函数。
$reduce: 这个函数的第一个参数是当前的文档对象，第二个参数是上一次function操作的累计对象，第一次为initial中的{”perosn“：[]}。有多少个文档， $reduce就会调用多少次。
> db.person.group({
... "key":{"age":true},
... "initial":{"person":[]},
... "$reduce":function(cur,prev){
... prev.person.push(cur.name);
... }
... })
[
{
"age" : "20",
"person" : [
"jack"
]
},
{
"age" : "23",
"person" : [
"jack zhang"
]
},
{
"age" : "28",
"person" : [
"jack Ma",
"Lucy"
]
}
]
看到上面的结果，是不是有点感觉，我们通过age查看到了相应的name人员，不过有时我们可能有如下的要求：
①：想过滤掉age>27一些人员。
②：有时person数组里面的人员太多，我想加上一个count属性标明一下。
针对上面的需求，在group里面还是很好办到的，因为group有这么两个可选参数: condition 和 finalize。
condition: 这个就是过滤条件。
finalize:这是个函数，每一组文档执行完后，多会触发此方法，那么在每组集合里面加上count也就是它的活了。
> db.person.find({"age":{$gt:20}})
{ "_id" : ObjectId("55db0437eddcc2232489cb53"), "name" : "LiLei zhang", "age" : 23, "address" : "ShangHai" }
{ "_id" : ObjectId("55db0440eddcc2232489cb54"), "name" : "Lucy zhang", "age" : 23, "address" : "ShangHai" }
{ "_id" : ObjectId("55db0450eddcc2232489cb55"), "name" : "Lily zhang", "age" : 26, "address" : "BJ" }
{ "_id" : ObjectId("55db045aeddcc2232489cb56"), "name" : "Jack zhang", "age" : 26, "address" : "SZ" }
{ "_id" : ObjectId("55db0468eddcc2232489cb57"), "name" : "Mathew zhang", "age" : 28, "address" : "SZ" }
{ "_id" : ObjectId("55db0470eddcc2232489cb58"), "name" : "Deth zhang", "age" : 28, "address" : "SZ" }
先按条件查出所有，再按条件分组
db.person.group({ "key":{"age":true}, "initial":{"person":[]}, "$reduce":function(doc,out){ out.person.push(doc.name); }, "finalize":function(out){
out.count=out.person.length; }, "condition":{"age":{$lt:28}} })
[
{
"age" : 23,
"person" : [
"LiLei zhang",
"Lucy zhang"
],
"count" : 2
},
{
"age" : 26,
"person" : [
"Lily zhang",
"Jack zhang"
],
"count" : 2
}
]
4，mapReduce这玩意算是聚合函数中最复杂的了，不过复杂也好，越复杂就越灵活。mapReduce其实是一种编程模型，用在分布式计算中，其中有一个“map”函数，一个”reduce“函数。
① map：这个称为映射函数，里面会调用emit(key,value)，集合会按照你指定的key进行映射分组。
② reduce：这个称为简化函数，会对map分组后的数据进行分组简化，注意：在reduce(key,value)中的key就是emit中的key，vlaue为emit分组后的emit(value)的集合，这里也就是很多{"count":1}的数组。
③ mapReduce:这个就是最后执行的函数了，参数为map，reduce和一些可选参数。具体看图可知：
> var map= function() {
... emit(this.name, this.age);
... }
> var reduce= function(key,value) {
... return Array.sum(value);
... }
> db.person.mapReduce(
... map,
... reduce,
... { out: "map_reduce_person" }
... )
{
"result" : "map_reduce_person",
"timeMillis" : 33,
"counts" : {
"input" : 6,
"emit" : 6,
"reduce" : 0,
"output" : 6
},
"ok" : 1
}
从图中我们可以看到如下信息：
result: "存放的集合名“；
input:传入文档的个数。
emit：此函数被调用的次数。
reduce：此函数被调用的次数。
output:最后返回文档的个数。
游标
mongodb里面的游标有点类似我们说的C#里面延迟执行，比如：
var list=db.person.find();
针对这样的操作，list其实并没有获取到person中的文档，而是申明一个“查询结构”，等我们需要的时候通过for或者next()一次性加载过来，然后让游标逐行读取，当我们枚举完了之后，游标销毁，之后我们在通过list获取时，发现没有数据返回了。
> var list=db.person.find();
> list.forEach(function(x){
... print(x.name);
... })
LiLei zhang
Lucy zhang
Lily zhang
Jack zhang
Mathew zhang
Deth zhang
当然我们的“查询构造”还可以搞的复杂点，比如分页，排序都可以加进去。
var single=db.person.find().sort({"name",1}).skip(2).limit(2);
那么这样的“查询构造”可以在我们需要执行的时候执行，大大提高了不必要的花销。
> var single=db.person.find().sort({"name":1}).skip(2).limit(3)
> single
{ "_id" : ObjectId("55db0437eddcc2232489cb53"), "name" : "LiLei zhang", "age" : 23, "address" : "ShangHai" }
{ "_id" : ObjectId("55db0450eddcc2232489cb55"), "name" : "Lily zhang", "age" : 26, "address" : "BJ" }
{ "_id" : ObjectId("55db0440eddcc2232489cb54"), "name" : "Lucy zhang", "age" : 23, "address" : "ShangHai" }
